如何用DE-G利用长表/宽表结构玩转数据分析？

在半导体数据分析中，数据表的形态直接影响着分析效率和结果呈现。你是否遇到过这些问题？ 测试数据报表几十个，甚至几百个测试项列数据，但review所有参数，画图时只能手动一列一列操作？  机台输出的log数据，想比较不同参数之间的相关性，但是参数值都在一列内，只能手动拆开？  这一切，很可能是因为数据表结构用错了！今天我们就来揭秘数据分析中的两大核心结构——长表（Long Table）和宽表（Wide Table），以及它们的实战应用技巧！ ### 01 长表和宽表：谁是谁？ **🔍 长表（Long Table）** 结构特征： 行多列少，每行仅记录一个观测值。 典型三列结构：索引列（ID）+ 变量名（Variable）+ 值（Value） 示例：  适用场景： 动态分析：如时间序列数据(按时间输出测试log) 灵活存储：新增指标只需添加行，无需改表结构 数据清洗：适合机器学习和统计建模前的“标准化”整理 **🔍 宽表（Wide Table）** 结构特征： 列多行少，每行包含一个实体的全部属性。 示例：  适用场景： 快速报表：客户或者老板需要的总览表 业务分析：产品特征之间，维度之间的相互对比 机器学习：特征工程中直接提取列作为变量 ### 02 实战对比：长表和宽表的优缺点  如何选择？看业务需求！ **用长表的场景：** 动态分析：动态，无差别一次性分析所有指标列 数据采集：传感器日志、实验数据等原始记录（避免新列破坏原有表结构） 统计建模：数据按统一规则进行清洗（异常值，outlier点） **用宽表的场景：** 业务报表：正式的数据透视报表看板提供给客户或者上级查阅 参数关联分析：分析不同参数之间的相关性 ### 03长宽表切换 使用DE-G Pivot/Unpivot功能进行长宽互转快速匹配不同分析需求 宽表转长表：DE-G->Table->Unpivot 功能拖拽字段快速实现宽表转长表 操作重点：将宽表中的属性列放入stack栏中进行堆叠，形成<变量标签>列和对应的<变量值>列 支持复杂正则规则。  长表转宽表：DE-G->Table->Pivot 功能拖拽字段快速实现长表转宽表 操作重点：将<属性/变量标签>列置入Pivot窗口的Colums栏中，拆分各个属性为多维度置于多列中 Splits栏中置入<变量值>列，若需要进行聚合统计，右键支持选择数十种复杂聚合规则。  ### 04 实战案例 **01 需求一** 客户需要通过测试宽表报表一次性绘制出所有受测参数的Wafer map 根据（四）进行原始宽表转长表 Semi Utilities -> Wafer map -> 将长表的属性标签列（ItemName)列入Matrix split DE-G根据ItemName自动分组绘制出所有参数的Wafer map  **02 需求二** 客户需要将测试Log中某几个参数和其他参数之间是否存在相关性 若为长表Log，根据（四）进行长表转宽表，宽表将堆叠测试参数分组平铺成多列 Statics -> Correlation 直接将宽表中需要研究列参数列拖拽[Response]，其他参数拖转到[Variables] 观察P-value以及Correlation chart